排序：对一序列对象根据某个关键字进行排序；
稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面；
不稳定：如果a原本在b的前面，而a=b，排序之后a可能会出现在b的后面；
内排序：所有排序操作都在内存中完成；
外排序：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行；
排序耗时的操作：比较、移动；
排序分类：
(1)交换类：冒泡排序、快速排序；此类的特点是通过不断的比较和交换进行排序；
(2)插入类：简单插入排序、希尔排序；此类的特点是通过插入的手段进行排序；
(3)选择类：简单选择排序、堆排序；此类的特点是看准了再移动；
(4)归并类：归并排序；此类的特点是先分割后合并；
历史进程：一开始排序算法的复杂度都在O(n^2)，希尔排序的出现打破了这个僵局；
以下视频是Sapientia University创作的，用跳舞的形式演示排序步骤，这些视频就可以当作复习排序的资料~
冒泡排序视频：http://v.youku.com/v_show/id_XMzMyOTAyMzQ0.html
选择排序视频：http://v.youku.com/v_show/id_XMzMyODk5MDI0.html
插入排序视频：http://v.youku.com/v_show/id_XMzMyODk3NjI4.html
希尔排序视频：http://v.youku.com/v_show/id_XMzMyODk5MzI4.html
归并排序视频：http://v.youku.com/v_show/id_XMzMyODk5Njg4.html
快速排序视频：http://v.youku.com/v_show/id_XMzMyODk4NTQ4.html
上面介绍的排序算法都是基于排序的，还有一类算法不是基于比较的排序算法，即计数排序、基数排序；
预备：最简单的排序
此种实现方法是最简单的排序实现；
缺点是每次找最小值都是单纯的找，而没有为下一次寻找做出铺垫；
算法如下：
- public static int[] simple_sort(int[] arr) {
- for (int i = 0; i < arr.length; i++) {
- for (int j = i + 1; j < arr.length; j++) {
- if (arr[i] > arr[j]) {
- swap(arr, i, j);
- }
- }
- }
- return arr;
- }
一、冒泡排序
冒泡排序相对于最简单的排序有了改进，即每次交换都是对后续有帮助的，大数将会越来越大，小的数将会越来越小；
冒泡排序思想：两两相邻元素之间的比较,如果前者大于后者，则交换；
因此此排序属于交换排序一类，同类的还有现在最常用的排序方法：快速排序；
1.标准冒泡排序
此种方法是最一般的冒泡排序实现，思想就是两两相邻比较并交换；
算法实现如下：
- public static int[] bubble_sort2(int[] arr) {
- for (int i = 0; i < arr.length; i++) {
- for (int j = arr.length - 1; j > i; j--) {
- if (arr[j] < arr[j - 1]) {
- swap(arr, j, j - 1);
- }
- }
- }
- return arr;
- }
2.改进冒泡排序
改进在于如果出现一个序列，此序列基本是排好序的，如果是标准的冒泡排序，则还是需要进行不断的比较；
改进方法：通过一个boolean isChanged，如果一次循环中没有交换过元素，则说明已经排好序；
算法实现如下：
-
-
- public static int[] bubble_sort3(int[] arr) {
- boolean isChanged = true;
- for (int i = 0; i < arr.length && isChanged; i++) {
- isChanged = false;
- for (int j = i + 1; j < arr.length; j++) {
- if (arr[i] > arr[j]) {
- swap(arr, i, j);
- isChanged = true;
- }
- }
- }
- return arr;
- }
二、简单选择排序
简单选择排序特点：每次循环找到最小值，并交换，因此交换次数始终为n-1次；
相对于最简单的排序，对于很多不必要的交换做了改进，每个循环不断比较后记录最小值，只做了一次交换（当然也可能不交换，当最小值已经在正确位置）
算法如下：
-
-
-
- public static int[] selection_sort(int[] arr) {
- for (int i = 0; i < arr.length - 1; i++) {
- int min = i;
- for (int j = i + 1; j < arr.length; j++) {
- if (arr[min] > arr[j]) {
- min = j;
- }
- }
- if (min != i)
- swap(arr, min, i);
- }
- return arr;
- }
三、简单插入排序
思想: 给定序列，存在一个分界线，分界线的左边被认为是有序的，分界线的右边还没被排序，每次取没被排序的最左边一个和已排序的做比较，并插入到正确位置；我们默认索引0的子数组有序；每次循环将分界线右边的一个元素插入有序数组中，并将分界线向右移一位；
算法如下：
-
-
- public static int[] insertion_sort(int[] arr) {
- int j;
- for (int i = 1; i < arr.length; i++) {
- if (arr[i] < arr[i - 1]) {
- int tmp = arr[i];
- for (j = i - 1; j >= 0 && arr[j] > tmp; j--) {
- arr[j + 1] = arr[j];
- }
- arr[j + 1] = tmp;
- }
- }
- return arr;
- }
简单插入排序比选择排序和冒泡排序好！
四、希尔排序
1959年Shell发明；
第一个突破O(n^2)的排序算法；是简单插入排序的改进版；
思想：由于简单插入排序对于记录较少或基本有序时很有效，因此我们可以通过将序列进行分组排序使得每组容量变小，再进行分组排序，然后进行一次简单插入排序即可；
这里的分组是跳跃分组，即第1,4,7位置为一组，第2，5，8位置为一组，第3，6，9位置为一组；
此时，如果increment=3，则i%3相等的索引为一组，比如索引1，1+3，1+3*2
一般增量公式为：increment = increment/3+1;
算法实现如下：
-
-
- public static int[] shell_sort(int[] arr) {
- int j;
- int increment = arr.length;
- do {
- increment = increment / 3 + 1;
- for (int i = increment; i < arr.length; i++) {
- if (arr[i] < arr[i - increment]) {
- int tmp = arr[i];
- for (j = i - increment; j >= 0 && arr[j] > tmp; j -= increment) {
- arr[j + increment] = arr[j];
- }
- arr[j + increment] = tmp;
- }
- }
- } while (increment > 1);
- return arr;
- }
五、堆排序
Floyd和Williams在1964年发明；
大根堆：任意父节点都比子节点大；
小根堆：任意父节点都比子节点小；
不稳定排序算法，是简单选择排序的改进版；
思想：构建一棵完全二叉树，首先构建大根堆，然后每次都把根节点即最大值移除，并用编号最后的节点替代，这时数组长度减一，然后重新构建大根堆，以此类推；
注意：此排序方法不适用于个数少的序列，因为初始构建堆需要时间；
算法实现如下：
-
-
-
-
- public static int[] heap_sort(int[] arr) {
- int tmp[] = new int[arr.length + 1];
- tmp[0] = -1;
- for (int i = 0; i < arr.length; i++) {
- tmp[i + 1] = arr[i];
- }
-
- for (int i = arr.length / 2; i >= 1; i--) {
- makeMaxRootHeap(tmp, i, arr.length);
- }
-
- for (int i = arr.length; i > 1; i--) {
- swap(tmp, 1, i);
- makeMaxRootHeap(tmp, 1, i - 1);
- }
- for (int i = 1; i < tmp.length; i++) {
- arr[i - 1] = tmp[i];
- }
- return arr;
- }
-
- private static void makeMaxRootHeap(int[] arr, int low, int high) {
- int tmp = arr[low];
- int j;
- for (j = 2 * low; j <= high; j*=2) {
- if (j < high && arr[j] < arr[j + 1]) {
- j++;
- }
- if (tmp >= arr[j]) {
- break;
- }
- arr[low] = arr[j];
- low = j;
- }
- arr[low] = tmp;
- }
六、归并排序
稳定排序算法；
思想：利用递归进行分割和合并，分割直到长度为1为止，并在合并前保证两序列原本各自有序，合并后也有序；
实现代码如下：
-
-
-
- public static int[] merge_sort(int[] arr) {
- Msort(arr, arr, 0, arr.length - 1);
- return arr;
- }
-
- private static void Msort(int[] sr, int[] tr, int s, int t) {
- int tr2[] = new int[sr.length];
- int m;
- if (s == t) {
- tr[s] = sr[s];
- } else {
- m = (s + t) / 2;
- Msort(sr, tr2, s, m);
- Msort(sr, tr2, m + 1, t);
- Merge(tr2, tr, s, m, t);
- }
- }
-
- private static void Merge(int[] tr2, int[] tr, int i, int m, int t) {
- int j, k;
- for (j = i, k = m + 1; i <= m && k <= t; j++) {
- if (tr2[i] < tr2[k]) {
- tr[j] = tr2[i++];
- } else {
- tr[j] = tr2[k++];
- }
- }
- while (i <= m) {
- tr[j++] = tr2[i++];
- }
- while (k <= t) {
- tr[j++] = tr2[k++];
- }
- }
七、快速排序
冒泡排序的升级版；现在用的最多的排序方法；
思想：选取pivot，将pivot调整到一个合理的位置，使得左边全部小于他，右边全部大于他；
注意：如果序列基本有序或序列个数较少，则可以采用简单插入排序，因为快速排序对于这些情况效率不高；
实现代码如下：
-
-
-
- public static int[] quick_sort(int[] arr) {
- qsort(arr, 0, arr.length - 1);
- return arr;
- }
-
- private static void qsort(int[] arr, int low, int high) {
- int pivot;
- if (low < high) {
- pivot = partition(arr, low, high);
- qsort(arr, low, pivot);
- qsort(arr, pivot + 1, high);
- }
- }
-
- private static int partition(int[] arr, int low, int high) {
- int pivotkey;
- pivotkey = arr[low];
- while (low < high) {
- while (low < high && arr[high] >= pivotkey) {
- high--;
- }
- swap(arr, low, high);
- while (low < high && arr[low] <= pivotkey) {
- low++;
- }
- swap(arr, low, high);
- }
- return low;
- }
优化方案
(1)选取pivot：选取pivot的值对于快速排序至关重要，理想情况，pivot应该是序列的中间数；
而前面我们只是简单的取第一个数作为pivot，这点可以进行优化；
优化方法：抽多个数后取中位数作为pivot；
(2)对于小数组使用插入排序：因为快速排序适合大数组排序，如果是小数组，则效果可能没有简单插入排序来得好；
如果想进行优化，则可以使用以下代码：
- public static int[] quick_sort(int[] arr) {
- if(arr.length>10){
- qsort(arr, 0, arr.length - 1);
- }
- else{
- insertion_sort(arr);
- }
- return arr;
- }
八、计数排序
计数排序是典型的不是基于比较的排序算法，基于比较的排序算法最少也要O(nlogn)，有没有可能创造线性时间的排序算法呢？那就是不基于比较的排序算法；
如果数组的数据范围为0~100，则很适合此算法；
复杂度： O(n+k), n为原数组长度，k为数据范围；
思想：
(1)首先找出数组中的最大值，然后创建一个计数数组（用来记录每个元素的数量）,长度为max，比如数组为{1,1,2,3,4,5}，则创建一个长度为6的数组count[]，count[1]存放数值1出现的次数，即2；
(2)填充count数组,即遍历原数组，并且count[arr[i]-1]++;
(3)对count数组进行累加，即count[i] = count[i] + count[i-1];
(4)反向填充result数组，result[count[arr[i]]-1] = arr[i];
代码如下：
- import java.util.ArrayList;
- import java.util.Scanner;
-
-
-
-
-
-
-
-
-
- public class Count_Sort {
-
- public static void main(String[] args) {
- int[] array = readArray();
- System.out.print("排序前数组为：");
- print(array);
- int result[] = count_sort(array);
- System.out.print("排序后数组为：");
- print(result);
- }
-
-
- private static int[] readArray() {
- Scanner in = new Scanner(System.in);
- ArrayList<Integer> list = new ArrayList<Integer>();
- while(true){
- System.out.print("输入数字：");
- int element = in.nextInt();
- if(element==-1){
- break;
- }
- else{
- list.add(element);
- }
- }
- Integer[] arr = list.toArray(new Integer[0]);
- int[]array = new int[arr.length];
- for(int i=0;i<arr.length;i++){
- array[i] = arr[i];
- }
- return array;
- }
-
- public static int[] count_sort(int arr[]){
- int gap = findGap(arr);
- int[] count = new int[gap];
- int[] result = new int[arr.length];
- for(int i=0;i<arr.length;i++){
- count[arr[i]]++;
- }
- for(int i=1;i<count.length;i++){
- count[i] = count[i] + count[i-1];
- }
-
- for(int i=arr.length-1;i>=0;i--){
- result[count[arr[i]]-1] = arr[i];
- count[arr[i]]--;
- }
- return result;
- }
- public static void print(int result[]){
- for(int a:result){
- System.out.print(a+" ");
- }
- System.out.println();
- }
-
-
-
-
-
- private static int findGap(int[] arr) {
- int max = arr[0];
- for(int i=1;i<arr.length;i++){
- if(max<arr[i]){
- max = arr[i];
- }
- }
- return (max+1);
- }
- }
九、基数排序
基数排序也是非比较的排序算法，对每一位进行排序，从最低位开始排序，复杂度为O(kn),为数组长度，k为数组中的数的最大的位数；
比如{987,789} ，先通过个位数排序：{987,789}，再通过十位数排序：{987,789}，再通过百位数排序：{789,987}
思想：
(1)取得数组中的最大数，并取得位数；
(2)arr为原始数组，从最低位开始取每个位组成radix数组；
(3)对radix进行计数排序（利用计数排序适用于小范围数的特点）；
- import java.util.ArrayList;
- import java.util.Scanner;
-
-
-
-
-
-
-
-
-
- public class Count_Sort {
-
- public static void main(String[] args) {
- int[] array = new int[]{1046,2084,9046,12074,56,7026,8099,17059,33,1};
- System.out.print("排序前数组为：");
- print(array);
- int result[] = radix_sort(array);
- System.out.print("排序后数组为：");
- print(result);
- }
-
-
- public static int[] radix_sort(int[]arr){
- int radix[] = new int[arr.length];
- int count = 1;
- int n = findMaxLength(arr);
- for(int i=0;i<n;i++){
- radix = getRadix(arr,count);
- arr = count_sort(arr, radix);
- count *=10;
- }
- return arr;
- }
- private static int findMaxLength(int[] arr) {
- int max = arr[0];
- for(int i=1;i<arr.length;i++){
- if(max<arr[i]){
- max = arr[i];
- }
- }
- int count = 1;
- int mcount = 1;
- while((max / mcount)!=0){
- mcount = 1;
- count++;
- for(int i=0;i<count;i++){
- mcount *=10;
- }
- }
- return count;
- }
-
-
-
- private static int[] getRadix(int[] arr,int count) {
- int radix[] = new int[arr.length];
- for(int i=0;i<arr.length;i++){
- radix[i] = arr[i]/count % 10;
- }
- return radix;
- }
-
-
-
-
- public static int[] count_sort(int arr[],int radix[]){
- int gap = findGap(radix);
- int[] count = new int[gap];
- int[] result = new int[radix.length];
- for(int i=0;i<radix.length;i++){
- count[radix[i]]++;
- }
- for(int i=1;i<count.length;i++){
- count[i] = count[i] + count[i-1];
- }
-
- for(int i=radix.length-1;i>=0;i--){
- result[count[radix[i]]-1] = arr[i];
- count[radix[i]]--;
- }
- return result;
- }
- public static void print(int result[]){
- for(int a:result){
- System.out.print(a+" ");
- }
- System.out.println();
- }
-
-
-
-
-
- private static int findGap(int[] arr) {
- int max = arr[0];
- for(int i=1;i<arr.length;i++){
- if(max<arr[i]){
- max = arr[i];
- }
- }
- return (max+1);
- }
- }
对比图
此图摘自http://www.cnblogs.com/cj723/archive/2011/04/29/2033000.html的图
总结：每个排序都有每个排序的优点，我们需要在适当的时候用适当的算法；
比如在基本有序、数组规模小时用直接插入排序；
比如在大数组时用快速排序；
比如如果要想稳定性，则使用归并排序；
摘录维基百科图片：
当年看了《大话数据结构》总结的，但是现在看了《算法导论》，发现以前对排序的理解还不深入，所以打算对各个排序的思想再整理一遍。
本文首先介绍了基于比较模型的排序算法，即最坏复杂度都在Ω(nlgn)的排序算法，接着介绍了一些线性时间排序算法，这些排序算法虽然都在线性时间，但是都是在对输入数组有一定的约束的前提下才行。
这篇文章参看了《算法导论》第2、3、4、6、7、8章而总结。
算法的由来：9世纪波斯数学家提出的：“al-Khowarizmi”
排序的定义：
输入：n个数：a1,a2,a3,...,an
输出：n个数的排列:a1',a2',a3',...,an'，使得a1'<=a2'<=a3'<=...<=an'。
In-place sort（不占用额外内存或占用常数的内存）：插入排序、选择排序、冒泡排序、堆排序、快速排序。
Out-place sort：归并排序、计数排序、基数排序、桶排序。
当需要对大量数据进行排序时，In-place sort就显示出优点，因为只需要占用常数的内存。
设想一下，如果要对10000个数据排序，如果使用了Out-place sort，则假设需要用200G的额外空间，则一台老式电脑会吃不消，但是如果使用In-place sort，则不需要花费额外内存。
stable sort：插入排序、冒泡排序、归并排序、计数排序、基数排序、桶排序。
unstable sort：选择排序(5 8 5 2 9)、快速排序、堆排序。
为何排序的稳定性很重要？
在初学排序时会觉得稳定性有这么重要吗？两个一样的元素的顺序有这么重要吗？其实很重要。在基数排序中显得尤为突出，如下：
算法导论习题8.3-2说：如果对于不稳定的算法进行改进，使得那些不稳定的算法也稳定？
其实很简单，只需要在每个输入元素加一个index，表示初始时的数组索引，当不稳定的算法排好序后，对于相同的元素对index排序即可。
基于比较的排序都是遵循“决策树模型”，而在决策树模型中，我们能证明给予比较的排序算法最坏情况下的运行时间为Ω(nlgn)，证明的思路是因为将n个序列构成的决策树的叶子节点个数至少有n!，因此高度至少为nlgn。
线性时间排序虽然能够理想情况下能在线性时间排序，但是每个排序都需要对输入数组做一些假设，比如计数排序需要输入数组数字范围为[0,k]等。
在排序算法的正确性证明中介绍了”循环不变式“，他类似于数学归纳法，"初始"对应"n=1"，"保持"对应"假设n=k成立，当n=k+1时"。
一、插入排序
特点：stable sort、In-place sort
最优复杂度：当输入数组就是排好序的时候，复杂度为O(n)，而快速排序在这种情况下会产生O(n^2)的复杂度。
最差复杂度：当输入数组为倒序时，复杂度为O(n^2)
插入排序比较适合用于“少量元素的数组”。
其实插入排序的复杂度和逆序对的个数一样，当数组倒序时，逆序对的个数为n(n-1)/2，因此插入排序复杂度为O(n^2)。
在算法导论2-4中有关于逆序对的介绍。
伪代码：
证明算法正确性：
循环不变式：在每次循环开始前，A[1...i-1]包含了原来的A[1...i-1]的元素，并且已排序。
初始：i=2，A[1...1]已排序，成立。
保持：在迭代开始前，A[1...i-1]已排序，而循环体的目的是将A[i]插入A[1...i-1]中，使得A[1...i]排序，因此在下一轮迭代开 始前，i++，因此现在A[1...i-1]排好序了，因此保持循环不变式。
终止：最后i=n+1，并且A[1...n]已排序，而A[1...n]就是整个数组，因此证毕。
而在算法导论2.3-6中还问是否能将伪代码第6-8行用二分法实现？
实际上是不能的。因为第6-8行并不是单纯的线性查找，而是还要移出一个空位让A[i]插入，因此就算二分查找用O(lgn)查到了插入的位置，但是还是要用O(n)的时间移出一个空位。
问：快速排序（不使用随机化）是否一定比插入排序快？
答：不一定，当输入数组已经排好序时，插入排序需要O(n)时间，而快速排序需要O(n^2)时间。
递归版插入排序
二、冒泡排序
特点：stable sort、In-place sort
思想：通过两两交换，像水中的泡泡一样，小的先冒出来，大的后冒出来。
最坏运行时间：O(n^2)
最佳运行时间：O(n^2)（当然，也可以进行改进使得最佳运行时间为O(n)）
算法导论思考题2-2中介绍了冒泡排序。
伪代码：
证明算法正确性：
运用两次循环不变式，先证明第4-6行的内循环，再证明外循环。
内循环不变式：在每次循环开始前，A[j]是A[j...n]中最小的元素。
初始：j=n，因此A[n]是A[n...n]的最小元素。
保持：当循环开始时，已知A[j]是A[j...n]的最小元素，将A[j]与A[j-1]比较，并将较小者放在j-1位置，因此能够说明A[j-1]是A[j-1...n]的最小元素，因此循环不变式保持。
终止：j=i，已知A[i]是A[i...n]中最小的元素，证毕。
接下来证明外循环不变式：在每次循环之前，A[1...i-1]包含了A中最小的i-1个元素，且已排序：A[1]<=A[2]<=...<=A[i-1]。
初始：i=1，因此A[1..0]=空，因此成立。
保持：当循环开始时，已知A[1...i-1]是A中最小的i-1个元素，且A[1]<=A[2]<=...<=A[i-1]，根据内循环不变式，终止时A[i]是A[i...n]中最小的元素，因此A[1...i]包含了A中最小的i个元素，且A[1]<=A[2]<=...<=A[i-1]<=A[i]
终止：i=n+1，已知A[1...n]是A中最小的n个元素，且A[1]<=A[2]<=...<=A[n]，得证。
在算法导论思考题2-2中又问了”冒泡排序和插入排序哪个更快“呢？
一般的人回答：“差不多吧，因为渐近时间都是O(n^2)”。
但是事实上不是这样的，插入排序的速度直接是逆序对的个数，而冒泡排序中执行“交换“的次数是逆序对的个数，因此冒泡排序执行的时间至少是逆序对的个数，因此插入排序的执行时间至少比冒泡排序快。
递归版冒泡排序
改进版冒泡排序
最佳运行时间：O(n)
最坏运行时间：O(n^2)
三、选择排序
特性：In-place sort，unstable sort。
思想：每次找一个最小值。
最好情况时间：O(n^2)。
最坏情况时间：O(n^2)。
伪代码：
证明算法正确性：
循环不变式：A[1...i-1]包含了A中最小的i-1个元素，且已排序。
初始：i=1，A[1...0]=空，因此成立。
保持：在某次迭代开始之前，保持循环不变式，即A[1...i-1]包含了A中最小的i-1个元素，且已排序，则进入循环体后，程序从 A[i...n]中找出最小值放在A[i]处，因此A[1...i]包含了A中最小的i个元素，且已排序，而i++，因此下一次循环之前，保持 循环不变式：A[1..i-1]包含了A中最小的i-1个元素，且已排序。
终止：i=n，已知A[1...n-1]包含了A中最小的i-1个元素，且已排序，因此A[n]中的元素是最大的，因此A[1...n]已排序，证毕。
算法导论2.2-2中问了"为什么伪代码中第3行只有循环n-1次而不是n次"？
在循环不变式证明中也提到了，如果A[1...n-1]已排序，且包含了A中最小的n-1个元素，则A[n]肯定是最大的，因此肯定是已排序的。
递归版选择排序
递归式：
T(n)=T(n-1)+O(n)
=> T(n)=O(n^2)
四、归并排序
特点：stable sort、Out-place sort
思想：运用分治法思想解决排序问题。
最坏情况运行时间：O(nlgn)
最佳运行时间：O(nlgn)
分治法介绍：分治法就是将原问题分解为多个独立的子问题，且这些子问题的形式和原问题相似，只是规模上减少了，求解完子问题后合并结果构成原问题的解。
分治法通常有3步：Divide（分解子问题的步骤） 、 Conquer（递归解决子问题的步骤）、 Combine（子问题解求出来后合并成原问题解的步骤）。
假设Divide需要f(n)时间，Conquer分解为b个子问题，且子问题大小为a，Combine需要g(n)时间，则递归式为：
T(n)=bT(n/a)+f(n)+g(n)
算法导论思考题4-3（参数传递）能够很好的考察对于分治法的理解。
就如归并排序，Divide的步骤为m=(p+q)/2，因此为O(1)，Combine步骤为merge()函数，Conquer步骤为分解为2个子问题，子问题大小为n/2，因此：
归并排序的递归式：T(n)=2T(n/2)+O(n)
而求解递归式的三种方法有：
(1)替换法：主要用于验证递归式的复杂度。
(2)递归树：能够大致估算递归式的复杂度，估算完后可以用替换法验证。
(3)主定理：用于解一些常见的递归式。
伪代码：
证明算法正确性：
其实我们只要证明merge()函数的正确性即可。
merge函数的主要步骤在第25~31行，可以看出是由一个循环构成。
循环不变式：每次循环之前，A[p...k-1]已排序，且L[i]和R[j]是L和R中剩下的元素中最小的两个元素。
初始：k=p，A[p...p-1]为空，因此已排序，成立。
保持：在第k次迭代之前，A[p...k-1]已经排序，而因为L[i]和R[j]是L和R中剩下的元素中最小的两个元素，因此只需要将L[i]和R[j]中最小的元素放到A[k]即可，在第k+1次迭代之前A[p...k]已排序，且L[i]和R[j]为剩下的最小的两个元素。
终止：k=q+1，且A[p...q]已排序，这就是我们想要的，因此证毕。
归并排序的例子：
问：归并排序的缺点是什么？
答：他是Out-place sort，因此相比快排，需要很多额外的空间。
问：为什么归并排序比快速排序慢？
答：虽然渐近复杂度一样，但是归并排序的系数比快排大。
问：对于归并排序有什么改进？
答：就是在数组长度为k时，用插入排序，因为插入排序适合对小数组排序。在算法导论思考题2-1中介绍了。复杂度为O(nk+nlg(n/k)) ，当k=O(lgn)时，复杂度为O(nlgn)
五、快速排序
Tony Hoare爵士在1962年发明，被誉为“20世纪十大经典算法之一”。
算法导论中讲解的快速排序的PARTITION是Lomuto提出的，是对Hoare的算法进行一些改变的，而算法导论7-1介绍了Hoare的快排。
特性：unstable sort、In-place sort。
最坏运行时间：当输入数组已排序时，时间为O(n^2)，当然可以通过随机化来改进（shuffle array 或者 randomized select pivot）,使得期望运行时间为O(nlgn)。
最佳运行时间：O(nlgn)
快速排序的思想也是分治法。
当输入数组的所有元素都一样时，不管是快速排序还是随机化快速排序的复杂度都为O(n^2)，而在算法导论第三版的思考题7-2中通过改变Partition函数，从而改进复杂度为O(n)。
注意：只要partition的划分比例是常数的，则快排的效率就是O(nlgn)，比如当partition的划分比例为10000:1时（足够不平衡了），快排的效率还是O(nlgn)
“A killer adversary for quicksort”这篇文章很有趣的介绍了怎么样设计一个输入数组，使得quicksort运行时间为O(n^2)。
伪代码：
随机化partition的实现：
改进当所有元素相同时的效率的Partition实现：
证明算法正确性：
对partition函数证明循环不变式：A[p...i]的所有元素小于等于pivot，A[i+1...j-1]的所有元素大于pivot。
初始：i=p-1,j=p，因此A[p...p-1]=空，A[p...p-1]=空，因此成立。
保持：当循环开始前，已知A[p...i]的所有元素小于等于pivot，A[i+1...j-1]的所有元素大于pivot，在循环体中，
- 如果A[j]>pivot，那么不动，j++，此时A[p...i]的所有元素小于等于pivot，A[i+1...j-1]的所有元素大于pivot。
- 如果A[j]<=pivot，则i++，A[i+1]>pivot，将A[i+1]和A[j]交换后，A[P...i]保持所有元素小于等于pivot，而A[i+1...j-1]的所有元素大于pivot。
终止：j=r，因此A[p...i]的所有元素小于等于pivot，A[i+1...r-1]的所有元素大于pivot。
六、堆排序
1964年Williams提出。
特性：unstable sort、In-place sort。
最优时间：O(nlgn)
最差时间：O(nlgn)
思想：运用了最小堆、最大堆这个数据结构，而堆还能用于构建优先队列。
优先队列应用于进程间调度、任务调度等。
堆数据结构应用于Dijkstra、Prim算法。
证明算法正确性：
（1）证明build_max_heap的正确性：
循环不变式：每次循环开始前，A[i+1]、A[i+2]、...、A[n]分别为最大堆的根。
初始：i=floor(n/2)，则A[i+1]、...、A[n]都是叶子，因此成立。
保持：每次迭代开始前，已知A[i+1]、A[i+2]、...、A[n]分别为最大堆的根，在循环体中，因为A[i]的孩子的子树都是最大堆，因此执行完MAX_HEAPIFY(A,i)后，A[i]也是最大堆的根，因此保持循环不变式。
终止：i=0，已知A[1]、...、A[n]都是最大堆的根，得到了A[1]是最大堆的根，因此证毕。
（2）证明heapsort的正确性：
循环不变式：每次迭代前，A[i+1]、...、A[n]包含了A中最大的n-i个元素，且A[i+1]<=A[i+2]<=...<=A[n]，且A[1]是堆中最大的。
初始：i=n，A[n+1]...A[n]为空，成立。
保持：每次迭代开始前，A[i+1]、...、A[n]包含了A中最大的n-i个元素，且A[i+1]<=A[i+2]<=...<=A[n]，循环体内将A[1]与A[i]交换，因为A[1]是堆中最大的，因此A[i]、...、A[n]包含了A中最大的n-i+1个元素且A[i]<=A[i+1]<=A[i+2]<=...<=A[n]，因此保持循环不变式。
终止：i=1，已知A[2]、...、A[n]包含了A中最大的n-1个元素，且A[2]<=A[3]<=...<=A[n]，因此A[1]<=A[2]<=A[3]<=...<=A[n]，证毕。
七、计数排序
特性：stable sort、out-place sort。
最坏情况运行时间：O(n+k)
最好情况运行时间：O(n+k)
当k=O(n)时，计数排序时间为O(n)
伪代码：
八、基数排序
本文假定每位的排序是计数排序。
特性：stable sort、Out-place sort。
最坏情况运行时间：O((n+k)d)
最好情况运行时间：O((n+k)d)
当d为常数、k=O(n)时，效率为O(n)
我们也不一定要一位一位排序，我们可以多位多位排序，比如一共10位，我们可以先对低5位排序，再对高5位排序。
引理：假设n个b位数，将b位数分为多个单元，且每个单元为r位，那么基数排序的效率为O[(b/r)(n+2^r)]。
当b=O(nlgn)，r=lgn时，基数排序效率O(n)
比如算法导论习题8.3-4：说明如何在O(n)时间内，对0~n^2-1之间的n个整数排序？
答案：将这些数化为2进制，位数为lg(n^2)=2lgn=O(lgn)，因此利用引理，b=O(lgn)，而我们设r=lgn，则基数排序可以在O(n)内排序。
基数排序的例子：
证明算法正确性：
通过循环不变式可证，证明略。
九、桶排序
假设输入数组的元素都在[0,1)之间。
特性：
out-place sort、stable sort
。
最坏情况运行时间：当分布不均匀时，全部元素都分到一个桶中，则O(n^2)，当然[算法导论8.4-2]也可以将插入排序换成堆排序、快速排序等，这样最坏情况就是O(nlgn)。
最好情况运行时间：O(n)
桶排序的例子：
伪代码：
证明算法正确性：
对于任意A[i]<=A[j]，且A[i]落在B[a]，A[j]落在B[b]，我们可以看出a<=b，因此得证。
30万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
